Microsoft desafía a openai con ia de voz y texto ultrarápida
Microsoft ha dado un golpe sobre la mesa en el campo de la inteligencia artificial, presentando tres modelos innovadores que prometen revolucionar la creación y transcripción de audio. No se trata de una simple actualización, sino de una apuesta decidida por construir su propio ecosistema de ia de audio, compitiendo directamente con gigantes como OpenAI y Anthropic.
La velocidad como arma secreta: 60 segundos en menos de un segundo
La compañía ha lanzado MAI-Image-2, un generador de imágenes de alta calidad, pero son MAI-Voice-1 y MAI-Transcribe-1 los que realmente captan la atención. MAI-Voice-1, en particular, es asombrosamente rápido: puede generar hasta 60 segundos de audio en menos de un segundo, utilizando una sola GPU. Este modelo ya está impulsando las funciones de voz expresivas en Copilot, ofreciendo una experiencia mucho más fluida y natural.
Pero hay un detalle que lo hace aún más interesante: la eficiencia. MAI-Transcribe-1, el modelo de reconocimiento de voz, se distingue por su bajo coste de GPU, aproximadamente un 50% inferior al de sus principales competidores. Su capacidad para transcribir en tiempo real en 25 idiomas abre un abanico de posibilidades, desde la mejora de asistentes virtuales hasta la optimización de flujos de trabajo en centros de llamadas y la creación de subtítulos instantáneos para eventos en directo.
La integración de estos modelos en servicios ya existentes, como Copilot, Bing y PowerPoint, demuestra la ambición de Microsoft de convertir la ia en una parte integral de su oferta. La disponibilidad en Playground y Foundry para desarrolladores permitirá a terceros aprovechar estas herramientas y crear nuevas aplicaciones.
La estrategia de Microsoft no es una reacción tardía, sino una hoja de ruta a largo plazo. Mustafa Suleyman, director ejecutivo de Microsoft AI, ha declarado que su objetivo es alcanzar la